動手學機器學習 張偉楠 趙寒燁 俞勇 9787115618207 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$571
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202308*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：動手學機器學習 ISBN：9787115618207 出版社：人民郵電 著編譯者：張偉楠 趙寒燁 俞勇 叢書名：新一代人工智能實戰型人才培養系列教程 頁數：272 所在地：中國大陸 *此為代購商品 書號：1555084 可大量預訂，請先連絡。 內容簡介 本書系統介紹了機器學習的基本內容及其代碼實現，是一本著眼于機器學習教學實踐的圖書。 本書包含4個部分：第一部分為機器學習基礎，介紹了機器學習的概念、數學基礎、思想方法和簡單的機器學習演算法；第二部分為參數化模型，講解線性模型、神經網路等演算法；第三部分為非參數化模型，主要討論支持向量機和決策樹模型及其變種；第四部分為無監督模型，涉及聚類、降維、概率圖模型等多個方面。本書將機器學習理論和實踐相結合，以大量示例和代碼帶領讀者走進機器學習的世界，讓讀者對機器學習的研究內容、基本原理有基本認識，為後續進一步涉足深度學習打下基礎。 本書適合對機器學習感興趣的專業技術人員和研究人員閱讀，同時適合作為人工智慧相關專業機器學習課程的教材。作者簡介 俞勇，1961年生於上海，現為上海交通大學教授、博士生導師。1986年畢業於華東師範大學計算機科學系，獲碩士學位。畢業后在上海交通大學任教至今。1996至今擔任上海交通大學ACM國際大學生程序設計競賽領隊、主教練，3次率隊奪得ACM國際大學生程序設計競賽世界冠軍。上海交通大學成為該賽事亞洲第一個獲得冠軍、全球第三個「三冠王」的大學，2002、2012年相繼獲得「傑出教練獎」、「功勛教練獎」。 俞勇教授曾主編教材或著作4本、譯著3本。先後主持教育部教育教學改革項目2項，獲得國家級和上海市教學成果獎7項，上海市優秀教材獎2項，併為國家精品課程「數據結構」、上海市「程序設計類基礎課程教學團隊」主持人。從事Web搜索與挖掘研究，先後主持國家自然科學基金、863計劃等十余項，發表重要國際會議和期刊學術論文百余篇。 俞勇教授曾獲得國務院特殊津貼、「全國師德標兵」「寶鋼優秀教師特等獎」「上海市教學名師」「上海市五一勞動獎章」「上海市模範教師」「上海交通大學校長獎」「上海交通大學最受學生歡迎教師」「上海交通大學最受研究生歡迎導師」等榮譽。曾被中央電視台新聞聯播、上海教育台、光明日報、文匯報等十多家媒體報道。目錄 第一部分 機器學習基礎第1章 初探機器學習 1 1 人工智慧的「兩隻手和四條腿」 1 2 機器學習是什麼 1 3 時代造就機器學習的盛行 1 4 泛化能力：機器學習奏效的本質 1 5 歸納偏置：機器學習模型的「天賦」 1 6 機器學習的限制 1 7 小結 第2章 機器學習的數學基礎 2 1 向量 2 2 矩陣 2 2 1 矩陣的基本概念 2 2 2 矩陣運算 2 2 3 矩陣與線性方程組 2 2 4 矩陣范數 2 3 梯度 2 4 凸函數 2 5 小結 第3章 k近鄰演算法 3 1 KNN演算法的原理 3 2 用KNN演算法完成分類任務 3 3 使用scikit-learn實現KNN演算法 3 4 用KNN演算法完成回歸任務--色彩風格遷移 3 4 1 RGB空間與LAB空間 3 4 2 演算法設計 3 5 小結 第4章 線性回歸 4 1 線性回歸的映射形式和學習目標 4 2 線性回歸的解析方法 4 3 動手實現線性回歸的解析方法 4 4 使用sklearn中的線性回歸模型 4 5 梯度下降演算法 4 6 學習率對迭代的影響 4 7 小結 第5章 機器學習的基本思想 5 1 欠擬合與過擬合 5 2 正則化約束 5 3 輸入特徵與相似度 5 4 參數與超參數 5 5 數據集劃分與交叉驗證 5 6 小結 5 7 擴展閱讀：貫穿恆等式的證明 5 8 參考文獻 第二部分 參數化模型 第6章 邏輯斯諦回歸 6 1 邏輯斯諦函數下的線性模型 6 2 最大似然估計 6 3 分類問題的評價指標 6 4 動手實現邏輯斯諦回歸 6 5 使用sklearn中的邏輯斯諦回歸模型 6 6 交叉熵與最大似然估計 6 7 小結 6 8 擴展閱讀：廣義線性模型 6 9 參考文獻 第7章 雙線性模型 7 1 矩陣分解 7 2 動手實現矩陣分解模型 7 3 因子分解機 7 4 動手實現因子分解機模型 7 5 小結 7 6 擴展閱讀：概率矩陣分解 7 7 參考文獻 第8章 神經網路與多層感知機 8 1 人工神經網路 8 2 感知機 8 3 隱含層與多層感知機 8 4 反向傳播 8 5 動手實現多層感知機 8 6 用PyTorch庫實現多層感知機 8 7 小結 8 8 參考文獻 第9章 卷積神經網路 9 1 卷積 9 2 神經網路中的卷積 9 3 用卷積神經網路完成圖像分類任務 9 4 用預訓練的卷積神經網路完成色彩風格遷移 9 4 1 VGG網路 9 4 2 內容表示與風格表示 9 5 小結 9 6 擴展閱讀：數據增強 9 7 參考文獻 第10章 循環神經網路 10 1 循環神經網路的基本原理 10 2 門控循環單元 10 3 動手實現GRU 10 4 小結 10 5 參考文獻 第三部分 非參數化模型 第11章 支持向量機 11 1 支持向量機的數學描述 11 2 序列最小優化 11 3 動手實現SMO求解SVM 11 4 核函數 11 5 sklearn中的SVM工具 11 6 小結 11 7 擴展閱讀：SVM對偶問題的推導 第12章 決策樹 12 1 決策樹的構造 12 2 ID3 演算法 12 3 CART演算法 12 4 動手實現C4 5演算法的決策樹 12 4 1 數據集處理 12 4 2 C4 5演算法的實現 12 5 sklearn中的決策樹 12 6 小結 12 7 參考文獻 第13章 集成學習與梯度提升決策樹 13 1 自舉聚合與隨機森林 13 2 集成學習器 13 3 提升演算法 13 3 1 適應提升 13 3 2 梯度提升 13 4 小結 13 5 參考文獻 第四部分 無監督模型 第14章 k均值聚類 14 1 k均值聚類演算法的原理 14 2 動手實現k均值演算法 14 3 k-means++演算法 14 4 小結 14 5 參考文獻 第15章 主成分分析 15 1 主成分與方差 15 2 利用特徵分解進行PCA 15 3 動手實現PCA演算法 15 4 用sklearn實現PCA演算法 15 5 小結 第16章 概率圖模型 16 1 貝葉斯網路 16 2 最大后驗估計 16 3 用樸素貝葉斯模型完成文本分類 16 4 馬爾可夫網路 16 5 用馬爾可夫網路完成圖像去噪 16 6 小結 16 7 參考文獻 第17章 EM演算法 17 1 高斯混合模型的EM演算法 17 2 動手求解GMM來擬合數據分佈 17 3 一般情況下的EM演算法 17 4 EM演算法的收斂性 17 5 小結 第18章 自編碼器 18 1 自編碼器的結構 18 2 動手實現自編碼器 18 3 小結 18 4 參考文獻 總結與展望 總結 展望 中英文術語對照表 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
